Investigadores del grupo ‘Modelización de la Atmósfera’ (MATRAS) de la Universidad de Jaén (UJA) y del grupo ‘Computación evolutiva y redes neuronales’ (EVANNAI) de la Universidad Carlos III de Madrid han desarrollado una combinación óptima de los modelos de predicción de radiación solar que reduce entre un 25% y un 30% el error en los pronósticos a corto plazo (6 horas).
“Una de nuestras líneas de investigación es el desarrollo de modelos que sean capaces de pronosticar lo que va producir una central de energía renovable, eólica o solar, con antelación”, explica David Pozo, principal responsable del estudio y catedrático de Física Aplicada de la Universidad de Jaén. “El pronóstico de la radiación solar es muy complicado porque depende de la nubosidad y del viento, y el pronóstico meteorológico de estas dos variables está sujeto a una gran incertidumbre. El pronóstico de la radiación solar es importante para la gestión del sistema eléctrico, si no predecimos de forma certera la radiación solar no se puede aprovechar bien la energía solar, por lo que se produce un desaprovechamiento de los recursos”, señala.
Proyecto de pronóstico de radiación solar pionero a nivel mundial
El proyecto, pionero a nivel mundial, se centró concretamente en la mejora del pronóstico de la radiación solar a corto plazo, en escalas de minutos a horas y días, en la Península Ibérica. Para ello, han analizado 5 modelos distintos: modelos basados en cámaras de nubes, modelos estadísticos basados en medidas, modelos basados en imágenes satélites, modelos numéricos de predicción meteorológica y un híbrido de estos dos últimos. “No existe el mejor modelo de predicción, sino que cada modelo puede ser el óptimo en función del horizonte de predicción, las condiciones meteorológicas o el emplazamiento. En nuestro caso, seleccionamos cuatro estaciones meteorológicas, situadas en Sevilla, Lisboa, Madrid y Jaén, como zonas representativas para la evaluación”, indica David Pozo.
A lo largo de dos años, ambos grupos de investigación han dividido su trabajo en dos partes. Por una parte, el grupo de la Universidad de Jaén se ha centrado en la elaboración y mejora de distintos métodos de predicción de la radiación solar. Para este fin, han utilizado distintas metodologías (cámara de nubes, imágenes de satélite y modelos meteorológicos). Por su parte, el grupo de la Universidad Carlos III de Madrid se ha centrado en aplicar técnicas de inteligencia artificial para seleccionar el mejor modelo o combinación de modelos para cada situación meteorológica, localización y horizonte temporal así como para obtener intervalos de confianza de las predicciones.
Reducción del error en un 30%
El resultado más impactante obtenido es que la combinación óptima de los modelos rebaja la predicción de error en torno a un 30% respecto al mejor de los modelos en cada horizonte temporal. “Es la primera vez que se comparan cinco modelos independientes y gracias a la inteligencia artificial y al tratamiento matemático hemos logrado reducir el margen de error en cada horizonte de predicción, lo que supone un ahorro económico porque disminuye el coste de integración de la energía solar”, argumenta David Pozo.
A su vez, han determinado el momento del horizonte temporal en el que cada modelo es más fiable, como por ejemplo como ocurre con el uso de imágenes satélite durante las dos o tres primeras horas, o con la utilización del modelo numérico de predicción meteorológica a partir de la cuarta o quinta hora. También han concluido que “el pronóstico cerca de las zonas costeras es muy difícil incluso en el margen de una hora. Por ello, las centrales de energía solar situadas cerca de la costa suponen un reto para la integración de la energía solar en la red eléctrica”, expone.
Parte del estudio ha sido publicado en dos artículos en la revista científica Solar Energy, y otra parte está en proceso de revisión en otras revistas de prestigio. En su elaboración han participado los investigadores de la UJA David Pozo, Clara Arbizu, Francisco J. Rodríguez- Benítez y Joaquín Tovar Pescador, y los investigadores de la Universidad Carlos III Javier Huertas, Ricardo Aler e Inés Galván. El proyecto ha contado con financiación del Ministerio de Economía y Competitividad, y la colaboración de la Facultad de Ciencias de la Universidad de Lisboa y Abengoa Solar.
